v dokumentaci MNS verze 1.0

Manuscriptorium v. 1.0
Výběr a popis dokumentů
Verze 1.2
za Národní knihovnu ČR
PhDr. Zdeněk Uhlíř
23.2.2006
Manuscriptorium v. 1.0 – Výběr a popis dokumentů
Verze 1.2
23.2.2006
Obsah
O dokumentu................................................................................................................................ 3
Účel .......................................................................................................................................... 3
Předpokládaný čtenář............................................................................................................... 3
Termíny a konvence ................................................................................................................. 3
Reference ................................................................................................................................. 3
Výběr dokumentů v Manuscriptoriu .............................................................................................. 4
Popisy dokumentů........................................................................................................................ 4
MASTER ...................................................................................................................................... 5
MASTER+................................................................................................................................. 5
Praxe při psaní záznamů.............................................................................................................. 6
XML editory .................................................................................................................................. 6
Závěr ............................................................................................................................................ 7
2
Manuscriptorium v. 1.0 – Výběr a popis dokumentů
Verze 1.2
23.2.2006
O dokumentu
Účel
Tento dokument obsahuje základní pravidla pro výběr dokumentů k digitalizaci, vstupní
informaci o standardech pro přípravu katalogových popisných záznamů a parametry dat a
metadat pro zařazení evidenčních záznamů (metadat) a digitálních kopií dokumentů (dat) do
systému Manuscriptorium.
Předpokládaný čtenář
Tento dokument je určen všem těm, kteří budou připravovat evidenční záznamy a digitální kopie
dokumentů pro zařazení v systému Manuscriptorium.
Termíny a konvence
Termíny a konvence použité v tomto dokumentu jsou popsány a definovány v dokumentu [1],
kap. 6.2. Kontext zpřístupnění dat a metadat je popsán v dokumentu [2].
Reference
V dokumentu se odkazujeme na následující literaturu:
[1]
[2]
[3]
[4]
Manuscriptorium v.2.0 - analýza systému, prosinec 2004
Manuscriptorium v. 2.0 – komplexní digitální dokument, říjen 2005
Memoriae mundi series Bohemica, dostupné z URL: http://digit.nkp.cz
Manuscript Access through Standards for Electronic Records (MASTER), dostupné z URL:
http://xml.coverpages.org/master.html
[5] Reference Manual for the MASTER Document Type Definition, dostupné z URL:
http://www.tei-c.org.uk/Master/Reference/oldindex.html
[6] M-Edit, dostupné z URL: http://www.memoria.cz/download/medit_cz.asp
[7] TorXmlValid, dostupné z URL: http://www.memoria.cz/site_cz/download.asp
[8] jEdit, dostupné z URL: http://www.jedit.org/
[9] Emacs, dostupné z URL: http://www.gnu.org/software/emacs/emacs.html
[10] NoteTabLight, dostupné z URL: http://www.webmasterfree.com/notetablight.html
3
Manuscriptorium v. 1.0 – Výběr a popis dokumentů
Verze 1.2
23.2.2006
Výběr dokumentů v Manuscriptoriu
Manuscriptorium kromě toho, že je otevřeným/souborným katalogem historických (knižních,
resp. knihovních) fondů, tj. rukopisů a tištěných knih, příp. map do roku 1800 včetně, je také
digitální knihovnou, tzn. zdrojem zpřístupňujícím úplné digitální kopie tohoto typu dokumentů.
Možnosti výběru pro Manuscriptorium jsou tedy z obsahového hlediska neomezené. Praktickým
omezením jsou však finanční možnosti poskytovatele dokumentů pro Manuscriptorium. Je
důležité, aby výběr dokumentů k digitalizaci a ke zpřístupnění v Manuscriptoriu byl konzistentní,
tzn. aby postihoval fondy poskytovatele z nějakého jasného hlediska. Skutečný výběr tak musí
být založen na prioritách každého poskytovatele.
Jsou tři hlavní obecné možnosti, jak výběr provádět.
1) Dokumenty, které jsou pro fyzický fond poskytovatele charakteristické či typické, tzn.
profilující složka jeho historického fondu, která bude digitalizována a posléze
zpřístupňována pokud možno systematicky. V tomto případě je možno uvažovat také o
připojení sekundárních dokumentů, tj. komentářů, shrnujících článků apod., třebaže to
není podmínkou.
2) Dokumenty, které jsou pro fyzický fond poskytovatele považovány za nejvýznamnější
z historického hlediska nebo nejkrásnější z výtvarného hlediska apod. V takovém případě
je rovněž možno uvažovat o připojení vysvětlujících textů, třebaže to není podmínkou.
3) Dokumenty, o které je mezi uživateli největší zájem ať už z důvodu jejich reprodukce
v tištěných materiálech, nebo z důvodu konkrétního badatelského zájmu (např. pořizování
edic). V tomto případě je možno uvažovat i o propojení digitální obrazové kopie
originálního dokumentu s jeho plným textem-edicí, třebaže to není podmínkou.
V případě dobrého finančního zázemí poskytovatele lze všechny tyto možnosti kombinovat.
Naproti tomu v případě finančního zázemí skromnějšího je vhodné zvolit pouze jedinou z nich.
V ideálním případě je preferována systematická digitalizace dokumentů pro fyzický fond
poskytovatele typických či charakteristických (obecná možnost 1) s připojením dokumentů
nejvýznamnějších (obecná možnost 2) a nejžádanějších (možnost 3), není to však podmínkou.
Popisy dokumentů
Popis dokumentů zásadně předchází vlastní digitalizaci. Popisy digitalizovaných dokumentů
musí být dosti podrobné, protože jsou určeny nejen ke katalogizaci, ale také k propojení
digitálních obrazů do formy elektronického dokumentu, jehož typickou podobou je virtuální
kniha. Neosvědčil se však ani popis digitálních obrazů z důvodu absence mnoha informací,
které jsou digitálním obrazem (kopií) nenahraditelné a které nese jen sám originální dokument,
ani tradiční kodikologický způsob katalogizace, protože nejde primárně o náhradní slovní
reprezentaci originálu, která má v tištěném prostředí nesporné oprávnění. Jestliže je v
elektronickém prostředí dostupná reprezentace originálu v podobě obrazu a očekává se
připojování dalších informací, pak se slovní prezentace (až interpretace) originálu v počátku
stává postradatelnou, pokud není jejím účelem poskytnutí signifikantních informací vedoucích k
nalezení dokumentu a informací v něm obsažených. Popis předcházející digitalizaci má výhodu
mimo jiné i v tom, že při popisu dokumentu se současně provádí kontrola, zda je rukopis bez
rizik způsobilý pro digitalizaci.
Princip pevně strukturovaného popisu DOBM (Digitization of Old Books, Manuscripts, and Other
Documents) využívajícího SGML, který byl zaveden v počátcích digitalizace, má sice výhodu v
4
Manuscriptorium v. 1.0 – Výběr a popis dokumentů
Verze 1.2
23.2.2006
tom, že je jednoduchý, a usnadňuje tudíž rutinní až industriální práci. Nevýhodou však je to, že
využívá pouze tvrdě strukturovaných dat na jedné nebo vůbec nestrukturovaných dat na druhé
straně: bibliografické údaje a údaje o některých snadno typizovatelných vnějších znacích jsou ve
formě tvrdě strukturovaných dat, zatímco ostatní údaje včetně údajů o intelektuálním obsahu
originálního dokumentu jsou v podobě volného textu. V případě podrobného (a tedy rozsáhlého)
popisu se tak klade překážka jak prosté orientaci v zobrazeném záznamu, tak
sofistikovanějšímu vyhledávání. Ukázalo se, že pevná struktura záznamu je pouhým
mezistupněm k takové formě záznamu, která bude využívat také dat semistrukturovaných.
Z toho důvodu byl princip pevně strukturovaného popisu v dalším vývoji opuštěn a byl nahrazen
standardem MASTER (Manuscript Access through STandard for Electronic Records)
vytvořeným v rámci evropského projektu, jehož řádným partnerem byla i Národní knihovna ČR.
Standard MASTER (nejprve na bázi SGML, posléze XML) umožňuje vytváření a využívání
zejména semistrukturovaných dat, tzn. je přizpůsobivější jak variabilitě popisovaného materiálu,
tak orientaci při zobrazení a postupům při vyhledávání. Je založen na strukturaci obsahových
elementů do hloubky i na relativně volném využívání funkčních elementů, které se mohou
vztahovat k různým horizontálním i vertikálním místům ve struktuře celého popisu. Pevná jsou
pouze pravidla syntaxe. Ve standardu MASTER lze tudíž pořizovat jak zcela jednoduché,
minimálně informačně nasycené záznamy, tak záznamy jdoucí do hloubky popisovaného
originálního dokumentu. To znamená, že jeho praktické využití je velice široké a flexibilní,
adaptovatelné pro různé účely i různou míru znalostí o materiálu, aniž je to na překážku využití v
informačním systému.
MASTER
Zavedení popisů ve formě XML v rámci projektu MASTER [4] vedlo k prvotnímu popisu
dokumentů ve volné a uživatelským potřebám přizpůsobenější struktuře využívající jen XML.
Tyto prostředky jsou nyní volně dostupné a využitelné pro kohokoli, kdo se rozhodne poskytovat
dokumenty pro Manuscriptorium. Důležité je, že původně podstatnou většinu popisů dokumentů
zajišťoval dosti rozsáhlý kolektiv spolupracovníků, zatímco nyní významné množství dokumentů
mohou popisovat jejich správci sami. K úspěšné spolupráci je nutné jen velmi krátké a
jednoduché zaškolení, jaká je nutno dodržovat formální pravidla.
Záznam ve standardu MASTER je založen na základním členění na 1) identifikaci dokumentu,
2) záhlaví, 3) obsah, 4) fyzický popis, 5) historii dokumentu a 6) dodatečnou informaci. Toto
členění je dále strukturováno, takže umožňuje vytvořit jak zcela elementární, tj. informačně
minimálně uspokojivý záznam, tak záznam informačně bohatý a detailně strukturovaný. Jsou
využívána tvrdě strukturovaná i semistrukturovaná data, takže lze nad tímto základem snadno
vytvořit efektivní vyhledávání. Velkou výhodou standardu MASTER je to, že dovoluje integraci
dat různých původců, a tedy být základem pro digitální knihovnu evropského rozsahu.
MASTER+
MASTER+ je extenzí standardu MASTER pro vytváření virtuálních knih, tzn. spojení popisného
záznamu se sekvencí digitálních obrazů, které jsou kopiemi stránek originálního dokumentu. Pro
vytvoření šablony dokumentu, k níž budou připojeny digitální obrazy, je nutno:
1) zjistit počet číslovaných listů/stránek a pokud se odlišuje od fyzického počtu listů/stránek
(v případě, že některé z původně číslovaných listů/stránek chybí, nebo naopak v případě,
že některé listy/stránky nejsou očíslovány), určit číslo posledního listu/poslední stránky;
5
Manuscriptorium v. 1.0 – Výběr a popis dokumentů
Verze 1.2
23.2.2006
2) zjistit mimořádně číslované listy/stránky (v případě, že některé listy/stránky nejsou
číslovány, doplnit je v číselné řadě za poslední přecházející očíslovaný list/očíslovanou
stránku s využitím speciálního označení);
3) zjistit chybějící listy.
Tuto šablonu lze vytvořit pomocí speciálního nástroje M-Edit, který vygeneruje příslušný počet
stránkových úrovní s příslušným označením, na něž se navážou digitální obrazy. Pokročilejším
nástrojem M-Tool lze vytvořit cesty od vygenerovaných stránkových úrovní přímo k digitálním
obrazům. Tak lze odkazovat i na digitální obrazy, které nejsou fyzicky umístěny společně
s příslušnými popisnými záznamy.
Standard MASTER+ za použití nástroje M-Tool umožňuje snadnou integraci zdrojů, a tedy
vytvoření digitální knihovny v celoevropském rámci.
Praxe při psaní záznamů
Vytvářet jednoduché (minimálně informačně uspokojivé) popisné záznamy lze již po krátkém
zaškolení. Vytvářet záznamy informačně bohatší již vyžaduje jistou praxi. Připravovat záznamy
s vysokou informační hloubkou vyžaduje již pracovníka s delší zkušeností, který dobře ovládá
význam jednotlivých elementů značkování i jejich strukturální syntax. Všechny tři základní
stupně záznamů však jsou využitelné v jednom informačním systému. Všechny tři základní
stupně záznamů jsou využitelné k vyhledávání, třebaže v rozdílné míře.
Velkou výhodou práce se standardy MASTER a MASTER+ je snadná integrace informačně
heterogenních dat, pokud jsou formálně náležitě standardizována. Výhodou je i možnost
pružného managementu při pořizování popisných záznamů, tzn. možnost snadno ovlivňovat
produktivitu připravovatelů popisných dat podle aktuální potřeby.
XML editory
Popisné záznamy lze připravovat za použití různých nástrojů:
1) M-Edit [6] je editor umožňující vytvářet pouze minimálně informačně uspokojivé záznamy,
přičemž není možno využít flexibility značkování. Ale zároveň dovoluje generovat
základní šablonu dokumentu (stránkové úrovně). Vytvořené záznamy není nutno
validovat.
2) NoteTabLight [10] umožňuje vytvářet složitější, tj. informačně hlubší záznamy, tzn.
dovoluje využít flexibility značkování. Nevýhodou však je, že vytvořené záznamy je třeba
validovat speciálním nástrojem TorXmlValid. Nevýhodou také je, že nedovoluje generovat
základní šablonu dokumentu (stránkové úrovně).
3) Emacs [9] nebo jEdit [8] jsou sofistikované XML editory umožňující vytvářet nejsložitější
popisné záznamy se zapojenou validací. Jsou to nástroje vyžadující profesionálně
zkušeného pracovníka. Nevýhodou je, že nedovolují generovat základní šablonu
dokumentu (stránkové úrovně).
4) M-Tool [http://www.memoria.cz/mtool/] je komplexní editor umožňující sice jen vytváření
minimálně informačně uspokojivých záznamů, ale dovolující nejenom generovat základní
šablonu dokumentu (stránkové úrovně), nýbrž také vytvářet cesty od vygenerovaných
stránkových úrovní přímo k digitálním obrazům. Popisný záznam není nutno validovat, je
implementována kontrola úplnosti dokumentu.
6
Manuscriptorium v. 1.0 – Výběr a popis dokumentů
Verze 1.2
23.2.2006
Závěr
K dispozici je tak dostatek nástrojů vhodných pro různě kvalifikované a profesionálně zdatné
připravovatele dat. Je vypracována metodika (best practice) pro budování integrované digitální
knihovny. Z technického obsahového hlediska je otevřena cesta k evropské digitální knihovně
historických fondů.
7